[leetcode] Number of 1 Bits

本文介绍了一种计算32位无符号整数中1的位数的方法,即所谓的汉明重量。通过两种不同的C++实现方式,一种是简单的逐位检查,另一种则是利用位操作技巧大幅提高效率。

From : https://leetcode.com/problems/number-of-1-bits/

Write a function that takes an unsigned integer and returns the number of ’1' bits it has (also known as the Hamming weight).

For example, the 32-bit integer ’11' has binary representation 00000000000000000000000000001011, so the function should return 3.

class Solution {
public:
    int hammingWeight(uint32_t n) {
        int count = 0;
        while(n) {
            count += n&1;
            n >>= 1;
        }
        return count;
    }
};

Better Solution:

This is based on bit-manipulation, referenced by Dora' notes.

class Solution {
public:
    int hammingWeight(uint32_t n) {
        n = ((0xAAAAAAAA&n)>>1)+(0x55555555&n);
        n = ((0xCCCCCCCC&n)>>2)+(0x33333333&n);
        n = ((0xF0F0F0F0&n)>>4)+(0x0F0F0F0F&n);
        n = ((0xFF00FF00&n)>>8)+(0x00FF00FF&n);
        n = ((0xFFFF0000&n)>>16)+(0x0000FFFF&n);
        return n;
    }
};

public class Solution {
    // you need to treat n as an unsigned value
    public int hammingWeight(int n) {
		n = ((n & 0xAAAAAAAA) >>> 1) + (n & 0x55555555);
		n = ((n & 0xCCCCCCCC) >>> 2) + (n & 0x33333333);
		n = ((n & 0xF0F0F0F0) >>> 4) + (n & 0x0F0F0F0F);
		n = ((n & 0xFF00FF00) >>> 8) + (n & 0x00FF00FF);
		n = ((n & 0xFFFF0000) >>> 16) + (n & 0x0000FFFF);
		return n;
    }
}


基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值